当我们需要处理多个Excel文件的数据时，通常使用Python Pandas来简化处理过程。Pandas提供了数据结构DataFrame和Series的处理，能够非常方便地进行数据清洗、分析和可视化等操作。在这个过程中可能需要将多个文件中的Excel数据连接起来，答案如下：
首先，我们将使用Pandas read_excel()方法来读取每个Excel文件中的内容，并将其转换为DataFrame对象。假设我们有三个文件：file1.xlsx、file2.xlsx和file3.xlsx，在文件相同的目录下。
import pandas as pd
df1 = pd.read_excel('file1.xlsx')
df2 = pd.read_excel('file2.xlsx')
df3 = pd.read_excel('file3.xlsx')
接下来，我们需要将这三个DataFrame对象连接在一起，可以使用concat()方法。这个方法可以将多个DataFrame对象按照行或列方向拼接在一起，生成一个新的DataFrame对象。默认情况下按照行方向进行连接，即将多个DataFrame对象通过纵向方式进行合并。
df_all = pd.concat([df1, df2, df3], ignore_index=True)
在这里，我们将三个DataFrame对象打包为一个列表，传递给concat()方法。ignore_index参数表示是否忽略原始数据集中的索引列，因为将所有数据集合并到一起后，每个数据集的索引列可能有重复。
如果数据集按照列方向进行连接，则需要设置axis参数为1。例如，三个文件具有相同的表头，但行数据不同。这种情况下，可以使用pd.concat()方法，将三个数据集按照行方向进行合并，再按照columns参数的表头进行过滤：
import pandas as pd
df1 = pd.read_excel('file1.xlsx')
df2 = pd.read_excel('file2.xlsx')
df3 = pd.read_excel('file3.xlsx')
df_all = pd.concat([df1, df2, df3], axis=1, join='inner')
在这里，axis参数被赋值为1，join参数被赋值为’inner’。这将使数据集按照列方向进行合并，并使用内连接方式去除不相关的数据。join参数可以取值’inner’,’outer’,’left’,’right’。具体使用哪一个参数，取决于数据集实际需求。
最后，我们可以使用to_excel()方法将合并后的DataFrame对象保存到一个新的Excel文件中。
df_all.to_excel('merged_data.xlsx', index=False)
其中，index参数表示是否保留DataFrame对象的索引列。在这个例子中，我们不需要保存索引列，因此将index参数设置为False。